基于GABP神经网络的BTA钻削加工参数的预测研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-20页 |
| 1.1 课题来源 | 第11页 |
| 1.2 课题背景 | 第11-12页 |
| 1.3 深孔加工简介 | 第12-14页 |
| 1.3.1 深孔加工特点 | 第12-13页 |
| 1.3.2 深孔加工系统 | 第13-14页 |
| 1.4 国内外研究现状 | 第14-18页 |
| 1.4.1 加工参数预测的研究现状 | 第14-16页 |
| 1.4.2 人工神经网络的研究现状 | 第16-17页 |
| 1.4.3 人工神经网络在深孔加工中的应用情况 | 第17-18页 |
| 1.5 本文意义及主要研究内容 | 第18-20页 |
| 1.5.1 目的及意义 | 第18-19页 |
| 1.5.2 主要研究内容 | 第19-20页 |
| 2 BTA钻削理论 | 第20-30页 |
| 2.1 BTA钻的产生和发展 | 第20-23页 |
| 2.2 BTA钻的分类 | 第23-25页 |
| 2.3 BTA钻削原理 | 第25-27页 |
| 2.4 BTA钻特点 | 第27-29页 |
| 2.4.1 错齿BTA钻结构特点 | 第27-28页 |
| 2.4.2 BTA钻的缺陷 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 基于Deform-3D的BTA钻削仿真 | 第30-41页 |
| 3.1 Deform-3D软件简介 | 第30-32页 |
| 3.2 BTA钻削仿真模型的建立 | 第32-38页 |
| 3.2.1 BTA钻三维模型建立 | 第32-33页 |
| 3.2.2 仿真参数设置 | 第33-38页 |
| 3.3 仿真结果 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 基于遗传算法优化的GABP神经网络 | 第41-53页 |
| 4.1 BP神经网络理论基础 | 第41-48页 |
| 4.1.1 人工神经元模型 | 第41-44页 |
| 4.1.2 BP神经网络结构 | 第44-45页 |
| 4.1.3 BP算法计算过程 | 第45-48页 |
| 4.2 基于遗传算法优化的BP神经网络 | 第48-52页 |
| 4.2.1 遗传算法原理 | 第48-50页 |
| 4.2.2 BP神经网络的优化 | 第50-52页 |
| 4.3 本章小结 | 第52-53页 |
| 5 基于GABP神经网络的切削参数的预测 | 第53-72页 |
| 5.1 数据预处理 | 第53-55页 |
| 5.2 遗传算法设置 | 第55-57页 |
| 5.2.1 编码方式 | 第55页 |
| 5.2.2 适应度函数的设计 | 第55-56页 |
| 5.2.3 遗传算子 | 第56-57页 |
| 5.2.4 种群数量 | 第57页 |
| 5.3 BP神经网络设置 | 第57-60页 |
| 5.3.1 参数设置 | 第57-58页 |
| 5.3.2 网络结构设置 | 第58-60页 |
| 5.3.3 误差计算公式 | 第60页 |
| 5.4 GABP神经网络预测模型的训练 | 第60-61页 |
| 5.5 GABP神经网络预测模型的验证 | 第61-63页 |
| 5.6 与基本BP神经网络预测结果比较 | 第63-66页 |
| 5.6.1 基本BP神经网络预测结果 | 第63-64页 |
| 5.6.2 结果比较 | 第64-66页 |
| 5.7 BTA钻削实验 | 第66-70页 |
| 5.7.1 切削参数设置 | 第66-67页 |
| 5.7.2 实验条件 | 第67-69页 |
| 5.7.3 实验结果与分析 | 第69-70页 |
| 5.8 本章小结 | 第70-72页 |
| 6 钻削力的预测 | 第72-76页 |
| 6.1 预测模型的建立 | 第72-74页 |
| 6.2 实验验证 | 第74-75页 |
| 6.3 本章小结 | 第75-76页 |
| 7 总结和展望 | 第76-78页 |
| 7.1 总结 | 第76-77页 |
| 7.2 展望 | 第77-78页 |
| 参考文献 | 第78-83页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第83-84页 |
| 致谢 | 第84页 |
